Роботу можно показать, как приготовить кофе, разложить товары или починить оборудование. Но сначала кто-то должен записать эти действия так, чтобы были видны руки, инструменты и последовательность шагов. Стартап Memories.ai собирает такие видео от первого лица и готовит их для разработчиков робототехники.
Для расширения сбора компания создала Memories Upload. На этой платформе участники выбирают задания по съёмке и получают оплату за записи, прошедшие проверку.
Как работа людей превращается в данные для роботов
Кто снимает видео и как устроена оплата
Участник Memories Upload выбирает задание в приложении, закрепляет камеру и выполняет привычную работу. Это может быть приготовление еды, уборка, смена в магазине или ремонт. Компания проверяет запись и оплачивает только принятые минуты: время без нужного действия и фрагменты, не отвечающие требованиям, могут не засчитать. Ставка указывается в конкретном задании; суммы в примерах на сайте не служат общим тарифом. Для съёмки Memories.ai разработала LUCI Pin — камеру весом менее 45 г. Её можно разместить на голове, груди или запястье. Камера на голове показывает общую последовательность работы, а ракурс с запястья помогает рассмотреть захват предмета и контакт руки с инструментом. Два устройства на головном креплении можно использовать для стереосъёмки. В июле 2025 года компания объявила о посевном раунде на $8 млн. Позднее она привлекла ещё $8 млн в рамках расширения посевного финансирования. Эти вложения относятся к развитию Memories.ai в целом, а не к оплате участников Upload.
Почему одного ракурса недостаточно
Допустим, человек готовит кофе. Камера на голове покажет, как он подходит к кофемолке, ставит ёмкость и берёт чашку. Но его рука может закрыть момент, когда пальцы подхватывают предмет или меняют хват. На записи с запястья эта деталь видна лучше. Разнообразие условий тоже имеет значение. Два человека могут выполнять одинаковое задание на разных кухнях, с другой посудой и иной расстановкой предметов. Такие записи показывают модели больше вариантов одной операции. Однако увидеть действие человека и воспроизвести его роботом — разные задачи: у машины иные размеры, захват и способы движения.
Как компания делает записи доступными для поиска
Большую коллекцию видео нужно не только хранить, но и разбирать по действиям. Memories.ai добавляет к фрагментам описания сцен, метки предметов и временные границы движений. Тогда разработчик может найти нужный момент — например, когда человек берёт инструмент определённым способом, — не просматривая запись целиком. Компания сотрудничает с Nvidia и использует технологии Cosmos Reason 2 и Metropolis для понимания и поиска по видео. Сама Memories.ai также описывает разметку движений рук и подготовку записей под задачи клиента. Автоматическая разметка ускоряет поиск, но тонкие движения и частично скрытые предметы по-прежнему требуют проверки человеком.
Насколько велик собранный массив
По заявлению Memories.ai, платформа собрала более 1 млн часов видео от первого лица; на её сайте также указано более 5 тысяч камер в сети. В предоставленном материале компания относит миллион часов к первому месяцу бета-тестирования. Публичная страница подтверждает общий заявленный объём, но не даёт отдельно проверить срок его накопления или долю видео, пригодную для каждой задачи. Memories.ai утверждает, что среди её клиентов есть крупные лаборатории ИИ, однако их имена не раскрывает. Поэтому по публичным сведениям нельзя связать конкретный набор записей с результатом конкретного робота.
Кто ещё собирает подобные данные
Figure Index также получает видео повседневных действий от людей. Figure использует этот массив при разработке собственных моделей Helix. Memories.ai делает акцент на поставке подготовленных записей разным командам, работающим над роботами и моделями физического мира. Другой способ учить робота — телеуправление: человек дистанционно двигает саму машину, а разработчики записывают команды и результат. Такие данные ближе к возможностям конкретного робота. Видео людей позволяет собирать примеры в большем числе обычных рабочих ситуаций, но требует преобразовать наблюдаемые движения в действия машины.
«Распознать, что делает человек, — одно, а понять, как именно рука держит инструмент, — другое».
Рик Чжуан, руководитель направления Cosmos в Nvidia.
Что проверить при оценке таких данных
- Видны ли в записи руки, предметы и момент контакта с ними.
- Можно ли найти начало и конец каждого действия по временным меткам.
- Совпадает ли автоматическое описание с тем, что действительно происходит в кадре.
- Представлены ли разные рабочие места и способы выполнения задачи.
- Проверяли ли навык на роботе вне условий, показанных в обучающих записях.
- Получены ли необходимые разрешения на съёмку людей и рабочего пространства.
Частые вопросы
Робот может научиться задаче только по видео человека?
Видео показывает цель, предметы и последовательность работы. Для переноса навыка нужны модель управления роботом и испытания на его собственном оборудовании.
Платят за всё время съёмки?
Нет. По правилам Upload оплачиваются минуты, которые компания приняла после проверки на соответствие заданию.
Можно ли записывать коллег во время работы?
Перед съёмкой нужно проверить правила рабочего места и получить необходимые согласия. Политика программы требует избегать записи посторонних людей и запрещает снимать несовершеннолетних.
Подтверждено ли, что собранный миллион часов улучшил работу роботов?
Нет. Это опубликованный компанией показатель объёма видео. По нему нельзя оценить качество обучения робота без результатов отдельных испытаний.
Следующий результат — не число записей, а навык робота
В предоставленном материале Memories.ai называет целью собрать более 10 млн часов видео к марту 2027 года. Достижение этой отметки покажет, насколько удалось расширить сбор данных. Пользу для робототехники определит другая проверка: сможет ли обученный робот применять увиденные действия в условиях, которых не было в записях. В блоге SpeShu.AI мы продолжаем разбирать исследования и технологии, стоящие за новыми возможностями ИИ.
